표면 그래프 기반의 장소 인식

URAI 2017에서 업그레이드 할 것
나는 표면에 대한 요런 히스토그램을 제안하고, 이 때 장소를 표면의 그래프로 정의
정의된 그래프는 기존의 그래프 문제를 해결하는 방식을 적용하여 장소 인식이 잘되는 것을 확인!

외관을 특징 추출이 아닌 히스토그램으로 표현
모양(shape)은 기하학적 형상, 외관은 RGB 영상에서의 형상(texture)
히스토그램 비교 방법 변경 (내 히스토그램은 요래요래 해서 요런 식으로 비교해야한다.)
– 상관분석 유사도 – http://bigbigdata.tistory.com/99
– 유클리디안 유사도, 코사인 유사도, 피어슨 유사도

완전히 그래프로 정의하여 연구자들이 사용하는 그래프 비교 방식으로 비교한다.
– Node and Edge 정의부터 시작
그래프에 대한 정의 (그래프 잘모를 때 읽기) – 우리의 표면 그래프는 무방향성
http://dblab.duksung.ac.kr/ds/pdf/Chap10.pdf
– 비교 방법
– 두 그래프 사이에 평균 유사도 (가장 단순하지만 시간이 오래 걸림)
– MCS(maximum common subgraph) [ 6 ] H. Bunke and K. Shearer, “Graph Distance Metric Based on the Maximal Common Subgraph,” Pattern Recognition Letters, vol.19, no.3-4, pp.255-259, 1998.
– A good deal of research has been devoted to the graph isomorphism problem and to its generalizations, edit distance and maximum (minimum) common sub(super)graph —- Graph similarity scoring and matching

결과 추가
– Confusion matrix, RTAB-MAP 장소인식기 or ORB-SLAM2 장소인식기와 비교 결과

 

댓글 남기기

이메일은 공개되지 않습니다. 필수 입력창은 * 로 표시되어 있습니다.